Проект: Исследование рынка заведений общественного питания Москвы

Цель проекта: В нашем распоряжении есть данные о заведениях общественного питания Москвы. Необходимо оценить и подготовить презентацию для инвесторов о положение дел на рынке общественного питания и предсказать успешность новой кофейни.

Описание данных:

Файл moscow_places.csv:

• name — название заведения;
• address — адрес заведения;
• category — категория заведения, например «кафе», «пиццерия» или «кофейня»;
• hours — информация о днях и часах работы;
• lat — широта географической точки, в которой находится заведение;
• lng — долгота географической точки, в которой находится заведение;
• rating — рейтинг заведения по оценкам пользователей в Яндекс Картах (высшая оценка — 5.0);
• price — категория цен в заведении, например «средние», «ниже среднего», «выше среднего» и так далее;
• avg_bill — строка, которая хранит среднюю стоимость заказа в виде диапазона;
• middle_avg_bill — число с оценкой среднего чека, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Средний счёт»:

Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений. Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число. Если значения нет или оно не начинается с подстроки «Средний счёт», то в столбец ничего не войдёт.

• middle_coffee_cup — число с оценкой одной чашки капучино, которое указано только для значений из столбца avg_bill, начинающихся с подстроки «Цена одной чашки капучино»:

Если в строке указан ценовой диапазон из двух значений, в столбец войдёт медиана этих двух значений. Если в строке указано одно число — цена без диапазона, то в столбец войдёт это число. Если значения нет или оно не начинается с подстроки «Цена одной чашки капучино», то в столбец ничего не войдёт.

• chain — число, выраженное 0 или 1, которое показывает, является ли заведение сетевым (для маленьких сетей могут встречаться ошибки): 0 — заведение не является сетевым, 1 — заведение является сетевым
• district — административный район, в котором находится заведение, например Центральный административный округ;
• seats — количество посадочных мест.

Ход работы:

• Шаг 1. Изучение общей информации
• Шаг 2. Предобработка данных
• Шаг 3. Анализ данных
• Шаг 4. Выводы
• Шаг 5. Детализация исследования: открытие кофейни
• Шаг 6. Рекомендации

Изучение общей информации

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import plotly.express as px
from plotly import graph_objects as go
from scipy import stats
from numpy import median
import os
import json
from folium import Map, Choropleth
from folium.plugins import MarkerCluster
from folium import Marker

pd.set_option('display.max_columns', 30)
pd.set_option("display.float_format", "{:.2f}".format)

pth1 = '/datasets/moscow_places.csv'
pth2 = 'moscow_places.csv'
if os.path.exists(pth1):
    df = pd.read_csv(pth1)
elif os.path.exists(pth2):
    df = pd.read_csv(pth2)
else:
    print('Something is wrong')

df.head(10)

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	5.00	NaN	NaN	NaN	NaN	0	NaN
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	4.50	выше среднего	Средний счёт:1500–1600 ₽	1550.00	NaN	0	4.00
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.89	37.53	4.60	средние	Средний счёт:от 1000 ₽	1000.00	NaN	0	45.00
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.88	37.49	5.00	NaN	Цена чашки капучино:155–185 ₽	NaN	170.00	0	NaN
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.45	5.00	средние	Средний счёт:400–600 ₽	500.00	NaN	1	148.00
5	Sergio Pizza	пиццерия	Москва, Ижорская улица, вл8Б	Северный административный округ	ежедневно, 10:00–23:00	55.89	37.51	4.60	средние	NaN	NaN	NaN	0	NaN
6	Огни города	бар,паб	Москва, Клязьминская улица, 9, стр. 3	Северный административный округ	пн 15:00–04:00; вт-вс 15:00–05:00	55.89	37.52	4.40	средние	Средний счёт:199 ₽	199.00	NaN	0	45.00
7	Mr. Уголёк	быстрое питание	Москва, Клязьминская улица, 9, стр. 3	Северный административный округ	пн-чт 10:00–22:00; пт,сб 10:00–23:00; вс 10:00...	55.89	37.52	4.70	средние	Средний счёт:200–300 ₽	250.00	NaN	0	45.00
8	Donna Maria	ресторан	Москва, Дмитровское шоссе, 107, корп. 4	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.54	4.80	средние	Средний счёт:от 500 ₽	500.00	NaN	0	79.00
9	Готика	кафе	Москва, Ангарская улица, 39	Северный административный округ	ежедневно, 12:00–00:00	55.88	37.52	4.30	средние	Средний счёт:1000–1200 ₽	1100.00	NaN	0	65.00

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 14 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   int64  
 13  seats              4795 non-null   float64
dtypes: float64(6), int64(1), object(7)
memory usage: 919.5+ KB

Файл содержит информацию о 8406 объектах общественного питания. Видим, что по ряду столбцов есть пропуски, в некоторых необходимо заменить тип данных.

Предобработка данных

print(f'Количество дубликатов: {df.duplicated().sum()}')

Количество дубликатов: 0

print('Количество пропусков в столбцах:')
print(df.isnull().sum())

Количество пропусков в столбцах:
name                    0
category                0
address                 0
district                0
hours                 536
lat                     0
lng                     0
rating                  0
price                5091
avg_bill             4590
middle_avg_bill      5257
middle_coffee_cup    7871
chain                   0
seats                3611
dtype: int64

Заполнять пропуски не будем, так как мы не знаем наверняка, чем их заполнить, данные могут быть искажены. Удалить их так же нельзя, много данных будет потеряно.

Создадим столбец street с названиями улиц из столбца с адресом.

# функция для извлечения названия улицы
def street(row):
    address = row['address'].split(', ')
    street = address[1]
    return street
# применяем функцию
df['street'] = df.apply(street, axis=1)
df.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	5.00	NaN	NaN	NaN	NaN	0	NaN	улица Дыбенко
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	4.50	выше среднего	Средний счёт:1500–1600 ₽	1550.00	NaN	0	4.00	улица Дыбенко
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.89	37.53	4.60	средние	Средний счёт:от 1000 ₽	1000.00	NaN	0	45.00	Клязьминская улица
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.88	37.49	5.00	NaN	Цена чашки капучино:155–185 ₽	NaN	170.00	0	NaN	улица Маршала Федоренко
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.45	5.00	средние	Средний счёт:400–600 ₽	500.00	NaN	1	148.00	Правобережная улица

Создадим столбец is_24/7 с обозначением, что заведение работает ежедневно и круглосуточно (24/7):

• логическое значение True — если заведение работает ежедневно и круглосуточно
• логическое значение False — в противоположном случае.

# функция для создания столбца
def around_the_clock (row): 
    if row['hours'] == 'ежедневно, круглосуточно': 
        return True
    else: 
        return False
# применяем функцию
df['is_24/7'] = df.apply(around_the_clock, axis=1)
df.head()

	name	category	address	district	hours	lat	lng	rating	price	avg_bill	middle_avg_bill	middle_coffee_cup	chain	seats	street	is_24/7
0	WoWфли	кафе	Москва, улица Дыбенко, 7/1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	5.00	NaN	NaN	NaN	NaN	0	NaN	улица Дыбенко	False
1	Четыре комнаты	ресторан	Москва, улица Дыбенко, 36, корп. 1	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.48	4.50	выше среднего	Средний счёт:1500–1600 ₽	1550.00	NaN	0	4.00	улица Дыбенко	False
2	Хазри	кафе	Москва, Клязьминская улица, 15	Северный административный округ	пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00...	55.89	37.53	4.60	средние	Средний счёт:от 1000 ₽	1000.00	NaN	0	45.00	Клязьминская улица	False
3	Dormouse Coffee Shop	кофейня	Москва, улица Маршала Федоренко, 12	Северный административный округ	ежедневно, 09:00–22:00	55.88	37.49	5.00	NaN	Цена чашки капучино:155–185 ₽	NaN	170.00	0	NaN	улица Маршала Федоренко	False
4	Иль Марко	пиццерия	Москва, Правобережная улица, 1Б	Северный административный округ	ежедневно, 10:00–22:00	55.88	37.45	5.00	средние	Средний счёт:400–600 ₽	500.00	NaN	1	148.00	Правобережная улица	False

Поменяем типы данных в столбце chain на булевый.

# функция для смена типа данных
def bool_type(value):
    if value == 1:
        return True
    elif value == 0:
        return False
# применяем функцию
df['chain'] = df['chain'].apply(bool_type)

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8406 entries, 0 to 8405
Data columns (total 16 columns):
 #   Column             Non-Null Count  Dtype  
---  ------             --------------  -----  
 0   name               8406 non-null   object 
 1   category           8406 non-null   object 
 2   address            8406 non-null   object 
 3   district           8406 non-null   object 
 4   hours              7870 non-null   object 
 5   lat                8406 non-null   float64
 6   lng                8406 non-null   float64
 7   rating             8406 non-null   float64
 8   price              3315 non-null   object 
 9   avg_bill           3816 non-null   object 
 10  middle_avg_bill    3149 non-null   float64
 11  middle_coffee_cup  535 non-null    float64
 12  chain              8406 non-null   bool   
 13  seats              4795 non-null   float64
 14  street             8406 non-null   object 
 15  is_24/7            8406 non-null   bool   
dtypes: bool(2), float64(6), object(8)
memory usage: 935.9+ KB

Теперь можно приступать к анализу.

df.duplicated(subset=['name', 'category', 'district'])

0       False
1       False
2       False
3       False
4       False
        ...  
8401    False
8402    False
8403    False
8404    False
8405    False
Length: 8406, dtype: bool

Анализ данных

Какие категории заведений представлены в данных? Исследуем количество объектов общественного питания по категориям. Построим визуализации.

category_group = df.groupby('category')['name'].count().sort_values(ascending=False).reset_index()
category_group.columns = ['Категория', 'Кол-во объектов']
category_group['Доля'] = category_group['Кол-во объектов'] / category_group['Кол-во объектов'].sum()
category_group

	Категория	Кол-во объектов	Доля
0	кафе	2378	0.28
1	ресторан	2043	0.24
2	кофейня	1413	0.17
3	бар,паб	765	0.09
4	пиццерия	633	0.08
5	быстрое питание	603	0.07
6	столовая	315	0.04
7	булочная	256	0.03

fig = px.bar(category_group, x='Кол-во объектов', y='Категория', title='Распределение объектов по типам')
fig.update_xaxes(tickangle=45)
fig.show()

Выделяются категории ресторан и кафе: на них приходится более 24% заведений на каждую, в сумме более 50% всех заведений.

Исследуем количество посадочных мест в местах по категориям. Построим визуализации.

seats_type = df.groupby('category')['seats'].mean().sort_values(ascending=False).reset_index()
seats_type.columns = ['Категория', 'Кол-во мест']
seats_type

	Категория	Кол-во мест
0	бар,паб	124.53
1	ресторан	121.94
2	кофейня	111.20
3	столовая	99.75
4	быстрое питание	98.89
5	кафе	97.51
6	пиццерия	94.50
7	булочная	89.39

plt.figure(figsize=(15, 10))
sns.set_style('darkgrid')
seats_type = df.groupby('category')['seats'].mean().sort_values()[::-1].index
sns.boxplot(x='category', y='seats', data=df, order=seats_type);
plt.title('Распределение количества посадочных мест по типу заведения')
plt.xlabel('Типы заведений')
plt.ylabel('Количество мест')
plt.show()

В среднем количество посадочных мест больше всего в барах, ресторанах и кофейнях. Видим сильные выбросы значений у этих трех типов.

seats_type_median = df.groupby('category')['seats'].median().sort_values(ascending=False).reset_index()
seats_type_median.columns = ['Категория', 'Кол-во мест']
seats_type_median

	Категория	Кол-во мест
0	ресторан	86.00
1	бар,паб	82.50
2	кофейня	80.00
3	столовая	75.50
4	быстрое питание	65.00
5	кафе	60.00
6	пиццерия	55.00
7	булочная	50.00

fig = px.bar(seats_type_median, x='Категория', y='Кол-во мест', title='Распределение посадочных мест по типам')
fig.update_xaxes(tickangle=45)
fig.show()

Рассмотрим и изобразим соотношение сетевых и несетевых заведений в датасете. Каких заведений больше?

chain_group = df.groupby('chain')['name'].count().sort_values(ascending=False).reset_index()
chain_group.columns = ['Сетевое', 'Кол-во объектов']
chain_group

	Сетевое	Кол-во объектов
0	False	5201
1	True	3205

fig = go.Figure(data=[go.Pie(labels=chain_group['Сетевое'], values=chain_group['Кол-во объектов'])])
fig.update_layout(
    title=dict(text='Распределение сетевых и несетевых заведений в процентах'))
fig.show()

Видим, что чуть больше трети заведений, 38% от общего числа заведений, являются сетевыми, оставшиеся 62% - не сетевые.

Какие категории заведений чаще являются сетевыми? Исследуем данные и ответим на вопрос графиком.

chain_type = df.pivot_table(index = 'category', values='name', columns = 'chain', aggfunc='count').reset_index()
chain_type['Всего объектов'] = chain_type[False] + chain_type[True]
chain_type['Доля сетевых'] = chain_type[True] / chain_type['Всего объектов']
chain_type = chain_type.sort_values(by='Доля сетевых', ascending=False)
chain_type.columns = ['Категория', 'Не сетевых', 'Сетевых', 'Всего объектов', 'Доля сетевых']
print(chain_type)

         Категория  Не сетевых  Сетевых  Всего объектов  Доля сетевых
1         булочная          99      157             256          0.61
5         пиццерия         303      330             633          0.52
4          кофейня         693      720            1413          0.51
2  быстрое питание         371      232             603          0.38
6         ресторан        1313      730            2043          0.36
3             кафе        1599      779            2378          0.33
7         столовая         227       88             315          0.28
0          бар,паб         596      169             765          0.22

f, ax = plt.subplots(figsize = (15,5))
sns.barplot(x = 'Всего объектов', y = 'Категория', data = chain_type,
            label = 'Всего', color = 'b', edgecolor = 'w')
sns.set_color_codes('dark')
sns.barplot(x = 'Сетевых', y = 'Категория', data = chain_type,
            label = 'Сетевых', color = 'b', edgecolor = 'w')
sns.set_color_codes('pastel')
ax.legend(ncol = 2, loc = 'lower right')
ax.set(ylabel= 'Типы заведений', xlabel= 'Количество объектов')
sns.despine(left = True, bottom = True)
plt.show()

Больше всего сетевых заведений среди булочных, более 60% объектов этого типа относятся к сетевым. Так же выделяются пиццерии и кофейни, более 50% относятся к сетевым.

Сгруппируем данные по названиям заведений и найдем топ-15 популярных сетей в Москве. Под популярностью понимается количество заведений этой сети в регионе. Построим подходящую для такой информации визуализацию. Есть ли какой-то признак, который их объединяет? К какой категории заведений они относятся?

df_chain = df[df['chain'] == True]
name_group = df_chain.groupby('name')['category'].count().sort_values(ascending=False).reset_index()
name_group = name_group.loc[:14]
name_group.columns = ['Наименование заведения', 'Количество объектов']
name_group

	Наименование заведения	Количество объектов
0	Шоколадница	120
1	Домино'с Пицца	76
2	Додо Пицца	74
3	One Price Coffee	71
4	Яндекс Лавка	69
5	Cofix	65
6	Prime	50
7	Хинкальная	44
8	КОФЕПОРТ	42
9	Кулинарная лавка братьев Караваевых	39
10	Теремок	38
11	Чайхана	37
12	CofeFest	32
13	Буханка	32
14	Му-Му	27

names_top_15 = list(name_group['Наименование заведения'])
top_15_df = df.query('name in @names_top_15')
top_15_df = top_15_df.groupby('category')['name'].count().sort_values(ascending=False).reset_index()
top_15_df['Доля'] = top_15_df['name'] / top_15_df['name'].sum()
top_15_df.columns = ['Категория', 'Количество', 'Доля']
top_15_df

	Категория	Количество	Доля
0	кофейня	336	0.41
1	ресторан	186	0.23
2	пиццерия	151	0.19
3	кафе	100	0.12
4	булочная	25	0.03
5	быстрое питание	12	0.01
6	бар,паб	4	0.00
7	столовая	2	0.00

Большая часть из топ-15 заведений относится к кофейням (более 40%). Меньше всего столовых, баров и заведений быстрого питания.

Какие административные районы Москвы присутствуют в датасете? Отобразим общее количество заведений и количество заведений каждой категории по районам.

district_df = (
    df.pivot_table(
        index='district',
        columns=['category'],
        values='name',
        aggfunc='count',
        margins=True, 
        fill_value=0 
    )
    .iloc[:-1] 
    .sort_values('All', ascending=False) 
    .head(15) 
    .sort_values('All', ascending=True) 
     .reset_index() 
    )

district_df

category	district	бар,паб	булочная	быстрое питание	кафе	кофейня	пиццерия	ресторан	столовая	All
0	Северо-Западный административный округ	23	12	30	115	62	40	109	18	409
1	Юго-Западный административный округ	38	27	61	238	96	64	168	17	709
2	Юго-Восточный административный округ	38	13	67	282	89	55	145	25	714
3	Восточный административный округ	53	25	71	272	105	72	160	40	798
4	Западный административный округ	50	37	62	239	150	71	218	24	851
5	Северо-Восточный административный округ	63	28	82	269	159	68	182	40	891
6	Южный административный округ	68	25	85	264	131	73	202	44	892
7	Северный административный округ	68	39	58	235	193	77	189	41	900
8	Центральный административный округ	364	50	87	464	428	113	670	66	2242

fig = px.bar(district_df, 
             y='district', 
             x=['бар,паб', 'булочная', 'быстрое питание', 'кафе', 'кофейня', 'пиццерия', 'ресторан', 'столовая'],
             title='Распределение объектов по округам и типам')
fig.update_layout(xaxis_title='Количество объектов',
                   yaxis_title='Округ')
fig.update_xaxes(tickangle=45)
fig.show()

В центре Москвы самое большое количество объектов, сильно выделяется количество ресторанов. Так же можно отметить большую долю кофеен, баров/пабов и кафе.

Визуализируем распределение средних рейтингов по категориям заведений. Сильно ли различаются усреднённые рейтинги в разных типах общепита?

category_rating = df.groupby('category')['rating'].mean().sort_values(ascending=False).reset_index()
category_rating

	category	rating
0	бар,паб	4.39
1	пиццерия	4.30
2	ресторан	4.29
3	кофейня	4.28
4	булочная	4.27
5	столовая	4.21
6	кафе	4.12
7	быстрое питание	4.05

plt.figure(figsize=(15, 5))
sns.barplot(x='rating', y='category', data=category_rating)
plt.title('Распределение среднего рейтинга по категориям')
plt.xlabel('Рейтинг')
plt.ylabel('Категории заведений')
plt.show()

Видим, что самый высокий средний рейтинг у баров, пабов, 4.39. Далее идут примерно на одном уровне 4.3 рейтинга: пиццерия, ресторан, кофейня и булочная. С самыми низким рейтингом 4.05 оказались заведения быстрого питания.

Построим фоновую картограмму (хороплет) со средним рейтингом заведений каждого района. Границы районов Москвы, которые встречаются в датасете, хранятся в файле admin_level_geomap.geojson. Отобразим все заведения датасета на карте с помощью кластеров средствами библиотеки folium.

district_rating = df.groupby('district')['rating'].mean().sort_values(ascending=False).reset_index()

# читаем файл и сохраняем в переменной
with open('/datasets/admin_level_geomap.geojson', 'r') as f:
    geo_json = json.load(f)

# загружаем JSON-файл с границами округов Москвы
state_geo = '/datasets/admin_level_geomap.geojson'
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423
 
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
 
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=district_rating,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.6,
    legend_name='Средний рейтинг заведений по районам',
).add_to(m)

# def create_marker(row):
    # Marker([row['lat'], row['lng']],
        # popup=f"{row['name']} {row['rating']}"
    # ).add_to(m)

# применяем функцию для создания маркера ко всем строкам датафрейма
# df.apply(create_marker, axis=1)

marker_cluster = MarkerCluster().add_to(m)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
df.apply(create_clusters, axis=1)

# выводим карту
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Самое большое скопление объектов в центре Москвы.

Найдем топ-15 улиц по количеству заведений. Построим график распределения количества заведений и их категорий по этим улицам.

chart_df = (
    df.pivot_table(
        index='street',
        columns=['category'],
        values='name',
        aggfunc='count',
        margins=True, 
        fill_value=0 
    )
    .iloc[:-1] 
    .sort_values('All', ascending=False) 
    .head(15) 
    .sort_values('All', ascending=True) 
     .reset_index() 
    )

chart_df

category	street	бар,паб	булочная	быстрое питание	кафе	кофейня	пиццерия	ресторан	столовая	All
0	Пятницкая улица	9	3	2	7	6	3	18	0	48
1	улица Миклухо-Маклая	3	0	4	21	4	2	15	0	49
2	Кутузовский проспект	2	1	2	14	13	3	16	3	54
3	улица Вавилова	2	2	11	15	10	3	12	0	55
4	Люблинская улица	5	0	5	26	11	1	10	2	60
5	МКАД	1	0	9	45	4	0	5	1	65
6	Ленинградское шоссе	5	2	5	13	13	3	26	3	70
7	Варшавское шоссе	6	0	7	18	14	4	20	7	76
8	Каширское шоссе	2	0	10	20	16	5	19	5	77
9	Дмитровское шоссе	6	2	10	23	11	8	24	4	88
10	Ленинградский проспект	15	4	2	12	25	9	25	3	95
11	Ленинский проспект	10	3	2	26	23	5	33	5	107
12	проспект Вернадского	7	1	12	25	16	12	33	2	108
13	Профсоюзная улица	6	4	15	35	18	15	26	3	122
14	проспект Мира	12	4	21	53	36	11	45	2	184

fig = px.bar(chart_df, 
             y='street', 
             x=['бар,паб', 'булочная', 'быстрое питание', 'кафе', 'кофейня', 'пиццерия', 'ресторан', 'столовая'],
             title='Распределение объектов по топ-15 улиц')
fig.update_layout(xaxis_title='Количество объектов',
                   yaxis_title='Улица')
fig.update_xaxes(tickangle=45)
fig.show()

На проспекте мира больше всего объектов, преобладают рестораны, кафе и кофейни.

Найдем улицы, на которых находится только один объект общепита. Что можно сказать об этих заведениях?

streets_object = (df.groupby('street')
                        .agg({'name':'count'})
                        .reset_index())
streets_with_1_object = streets_object[streets_object['name']==1]
streets_with_1_object = list(streets_with_1_object['street'])
df_1_object = df.query('street in @streets_with_1_object')

fig = px.bar(df_1_object, 
             y='district', 
             color='category', 
             title='Распределение объектов, которые единственные на своей улице по округам')
fig.update_layout(xaxis_title='Количество объектов',
                   yaxis_title='Административный район')
fig.show()

chain_group_1 = df_1_object.groupby('chain')['name'].count().sort_values(ascending=False).reset_index()
chain_group_1.columns = ['Сетевое', 'Кол-во объектов']
chain_group_1

	Сетевое	Кол-во объектов
0	False	325
1	True	133

fig = go.Figure(data=[go.Pie(labels=chain_group_1['Сетевое'], values=chain_group['Кол-во объектов'])])
fig.update_layout(
    title=dict(text='Распределение сетевых и несетевых заведений в процентах'))
fig.show()

Скопление подобных заведений в ЦАО, вероятно потому, что в центре Москвы много маленьких улиц.

Значения средних чеков заведений хранятся в столбце middle_avg_bill. Эти числа показывают примерную стоимость заказа в рублях, которая чаще всего выражена диапазоном. Посчитайте медиану этого столбца для каждого района. Используйте это значение в качестве ценового индикатора района. Постройте фоновую картограмму (хороплет) с полученными значениями для каждого района.

middle_avg_bill_district = df.groupby('district')['middle_avg_bill'].median().sort_values(ascending=False).reset_index()

# создаём карту Москвы
m_1 = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=middle_avg_bill_district,
    columns=['district', 'middle_avg_bill'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.6,
    legend_name='Медианный средний чек заведений по районам',
).add_to(m_1)

marker_cluster = MarkerCluster().add_to(m_1)

# выводим карту
m_1

Make this Notebook Trusted to load map: File -> Trust Notebook

Самый высокий чек оказался в ЦАО, ЗАО. В ЗАО, как видно по карте, входит аэропорт Внуково, цены в аэропортах как правило сильно завышены, это могло повлиять на средний чек заведений в округе.

Выводы

• Из всех категорий выделяются больше всего ресторан и кафе: на них приходится более 24% заведений на каждую, в сумме более 50% всех заведений.
• В среднем количество посадочных мест больше всего в барах, ресторанах и кофейнях, более 80 мест.
• Чуть больше трети заведений, 38% от общего числа заведений, являются сетевыми, оставшиеся 62% - не сетевые. Больше всего сетевых заведений среди булочных, более 60% объектов этого типа относятся к сетевым. Так же выделяются пиццерии и кофейни, более 50% относятся к сетевым.
• Самый высокий средний рейтинг у баров, пабов, 4.39. Далее идут примерно на одном уровне 4.3 рейтинга: пиццерия, ресторан, кофейня и булочная. С самыми низким рейтингом 4.05 оказались заведения быстрого питания.
• На проспекте мира больше всего объектов, преобладают рестораны, кафе и кофейни.
• Самый высокий чек оказался в ЦАО, ЗАО.

Детализация исследования: открытие кофейни

Сколько всего кофеен в датасете? В каких районах их больше всего, каковы особенности их расположения? Есть ли круглосуточные кофейни? Какие у кофеен рейтинги? Как они распределяются по районам? На какую стоимость чашки капучино стоит ориентироваться при открытии и почему?

df_cofe = df[df['category'] == 'кофейня']

print('Всего кофеен в датасете', df_cofe.shape[0], ', из них круглосуточных', df_cofe[df_cofe['is_24/7'] == True].shape[0])

Всего кофеен в датасете 1413 , из них круглосуточных 59

print('Среднее число посадочных мест в кофейне:', df_cofe['seats'].median())

Среднее число посадочных мест в кофейне: 80.0

df_cofe_count_rat = (df_cofe.groupby('district')
                     .agg({'name': 'count', 'rating': 'mean', 'middle_coffee_cup': 'median'})
                     .sort_values(by='name', ascending=False))
df_cofe_count_rat.columns = ['Количество', 'Средний рейтинг', 'Средняя стоимость чашки кофе']
df_cofe_count_rat

	Количество	Средний рейтинг	Средняя стоимость чашки кофе
district
Центральный административный округ	428	4.34	190.00
Северный административный округ	193	4.29	159.00
Северо-Восточный административный округ	159	4.22	162.50
Западный административный округ	150	4.20	189.00
Южный административный округ	131	4.23	150.00
Восточный административный округ	105	4.28	135.00
Юго-Западный административный округ	96	4.28	198.00
Юго-Восточный административный округ	89	4.23	147.50
Северо-Западный административный округ	62	4.33	165.00

fig = px.bar(df_cofe_count_rat,
             x='Количество',
             title='Распределение кофеен по округам')
fig.update_layout(xaxis_title='Количество объектов',
                   yaxis_title='Административный округ')
fig.update_xaxes(tickangle=45)
fig.show()

fig = px.bar(df_cofe_count_rat.sort_values(by='Средняя стоимость чашки кофе', ascending=False),
             x='Средняя стоимость чашки кофе',
             title='Распределение средней стоимости чашки кофе по округам')
fig.update_layout(xaxis_title='Средняя стоимость чашки кофе',
                   yaxis_title='Административный округ')
fig.update_xaxes(tickangle=45)
fig.show()

# создаём карту Москвы
m_2 = Map(location=[moscow_lat, moscow_lng], zoom_start=10)
 
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
    geo_data=state_geo,
    data=df_cofe,
    columns=['district', 'rating'],
    key_on='feature.name',
    fill_color='YlGn',
    fill_opacity=0.6,
    legend_name='Средний рейтинг кофеен по районам',
).add_to(m_2)

marker_cluster = MarkerCluster().add_to(m_2)

# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
    Marker(
        [row['lat'], row['lng']],
        popup=f"{row['name']} {row['rating']}",
    ).add_to(marker_cluster)

# применяем функцию create_clusters() к каждой строке датафрейма
df_cofe.apply(create_clusters, axis=1)

# выводим карту
m_2

Make this Notebook Trusted to load map: File -> Trust Notebook

В ЦАО расположилась самая больная часть кофеен с большим отрывом от остальных округов, 428 кофеен. С самым маленьким количеством оказались Юго-Западный, Юго-Восточный, Северо-Западный административные округа. При этом средняя стоимость чашки кофе выше всего в Юго-Западном округе, затем идет ЦАО. Средний рейтинг заведений по округам варьируется между 4.20 и 4.34.

print('Средняя цена чашки кофе:', df_cofe['middle_coffee_cup'].median())

Средняя цена чашки кофе: 170.0

Рекомендации

• Район расположения: напрямую зависит от желаемой стоимости аренды помещения, информации об этом у нас в данном исследовании нет. Если важен большой поток клиентов, а стоимость аренды не так важна, можно открыть кофейню в ЦАО, так как проходимость там больше, особенно если открывать кофейню около метро/в торговых центрах/других самых проходимых точках. Так же можно рассмотреть Юго-западный административный округ, но ближе к центру, в доступных точках, кофеен там мало, цены выше остальных округов. Но поток клиентов, вероятно, будет гораздо ниже.
• По цене одной чашки капучино стоит ориетироваться на среднюю стоимость по району, можно рассмотреть более узкий круг цен кофеен, которые находятся ближе всего к месту открытия. В данном случае у нас средняя цена чашки по городу - 170 рублей.
• Количество посадочных мест стоит брать медианную среди всех кофеен. В данном случае это 80 мест.

Ссылка на презентацию: https://disk.yandex.ru/i/-AoMEG-eknypjw